过去三十年,RCT,DID,RDD,LE,ML,DSGE等方法的“高光时刻”路线图.pdfVIP

过去三十年,RCT,DID,RDD,LE,ML,DSGE等方法的“高光时

刻”路线图

所有计量经济圈方法论丛的code程序,宏微观数据库和各种软件

都放在社群里.欢迎到计量经济圈社群交流访问.

给一组经济学家的集体名词是什么？选项包括一层忧郁，一个回

归甚至一个假设。一月份，当博士生在美国经济学年会上争先恐后地

找工作时，“市场”一词似乎是个大话题。或许，从那些撰写经济论

文的人追随最新潮流的趋势来看，“牛群”是最好的名词。今年最热

门的技术是使用大数据的机器学习（machinelearning）。伦敦大学

学院的经济学教授伊姆兰·拉苏尔（ImranRasul）期待阅读一堆使用

这种时髦的技术所写成的论文。

经济学家容易陷入方法论上的狂热气氛。拉苏尔先生回顾了过去

使用断点回归RDD技术的论文集，该技术比较一个断点两边的相似群

体，从而评估政策的效果。《TheEconomist》对NBER出版的工作

论文摘要中的关键词进行了分析（见文首图），显示了经济学家们对

实验室实验，随机对照试验（RCT），以及双重差分法的热情（即比

较不同组之间随着时间变化的趋势）。当一个热门的新工具出现时，

它应该会扩展经济学的疆界，并能回答以前无法回答的问题。看起来

似乎很时髦的，实际上可能是经济学家们纷纷加入以帮助阐明该学科

最黑暗的角落。然而，一些经济学家认为，新方法也带来新的危险；

对技术的狂热不但没有推动经济学的发展，反而会误入歧途，尤其是

在其婴儿期。1976年，詹姆斯·赫克曼（JamesHeckman）开发了一

种简单的方法来纠正特定类型的样本选择问题。例如，经济学家很难

估计教育对女性工资的影响，因为选择做工作（可以衡量其工资）的

女性特别容易获得高回报。当赫克曼向经济学家提供一种纠正这种偏

倚的简单方法时，它涉及对入职选择的考虑，这使社会科学风靡一时。

但是其诱人的简单性导致了它在各种实证分析中的滥用。诺贝尔奖获

得者和专家型的数据挖掘者安格斯·迪顿Angus（Deaton）和达勒姆

大学（DurhamUniversity）的经济学家南希·卡特赖特（Nancy

Cartwright）的论文认为，随机对照试验是当前该学科的宠儿，但人

们对这种试验的热情不高。RCT涉及将干预政策随机分配给某些人而

不是其他人，以便研究人员可以确定差异是由干预政策引起的。该方

法的分析过程就是对两组人员平均值的简单比较。Deaton先生和

Cartwright女士抱怨道，研究人员在计算两个结果是否显著不同时仍

然不够谨慎。因此，他们怀疑使用RCT在已发表的研究成果和健康经

济学中有很大一部分是“不可靠的”。随着时间的流逝，经济学家应

该学习何时使用其崭新的工具。但是，有一个更深层次的担忧：时尚

和潮流正在使经济学更加扭曲，通过推动专业人士提出特定问题，但

将更大的问题隐藏起来。Deaton先生和Cartwright女士担心的是，

RCT似乎在绕开理论而直接得到结果，并且“在不知道事情为什么发

生以及人们为什么做事情的情况下，我们冒着得出毫无价值的因果关

系（“童话”）理论的风险——放弃经济学的中心任务之一（即，因

果推断）。”另一个基础性的担忧是，通过提供一种引人入胜的简单

方法来评估某些政策，经济学家们忽视了无法使用RCT轻易检验的政

策问题，例如制度，货币政策或社会规范的影响。在经济学的其他地

方，一种方法有时会排挤其他方法。宏观经济学家在金融危机爆发前

的过度共识困扰着他们。2016年8月份，重量级宏观经济学家奥利维

尔·布兰查德（OlivierBlanchard）向同事发出呼吁，要求他们减少使

用动态随机一般均衡模型（DSGE），并补充说，为了进行预测，他们

的理论纯度